眾所周知， 存儲和利用以往經驗是智慧生物重要的優點。 以往的經驗可以為人類行為提供豐富的解決方案， 以便更好地分析問題、規避困難、預判事件發展， 以及歸納總結等。 機器人學習、記憶、獲取和利用經驗將是下一代智慧型機器人的關鍵技術。
基於對目前現狀的深入理解和相關領域的發展趨勢， 提出了一種具有記憶和推理能力的機器人認知架構， 該認知架構主要包含五個模組：
1、機器人記憶模組。 該模組的主要目標是發展合適的方式來表示機器人記憶中的知識。 記憶表示提供不同類型的知識， 它們為這些知識類型的不同和關係負責。 這些表示應該能夠捕捉機器人生存的世界的動態方面並且能夠預測。 最後， 表示能夠貼近真實物理世界。
2、機器人推理與規劃模組。 該模組在層次任務網路(Hierarchical Task Network， HTN)格式下建立機器人規劃描述， 並把HTN規劃嵌入到描述邏輯本體；為基於規劃的機器人控制提供規劃器；做出可獲得的描述邏輯推理作為規劃生成和再規劃的輔助；發展規劃失敗分析和恢復的方法；從記憶導入經驗到規劃器。
3、監督學習模組。
4、非監督學習模組。 機器人非監督學習模組的目標是：研究機器人怎樣在很少或者沒有監督的情況下， 通過觀察和探索世界來獲取行動和物體的常識的技術。
5、機器人控制模組。 該模組主要功能是執行規劃執行器的設計和實現， 執行監控和異常處理的設計和實現。 在感知和執行層次等更低等級的抽象概念水準上， 基於經驗的記憶機器人能夠按照經驗的組成要素， 將經驗記錄成與高級概念相對應的分級結構， 包括動機、目的、任務和行為。